Modern physical experiments produce a lot of information in digital form, which must be stored and quickly processed. The process of data accumulation is often too long, especially when the experimenter has to scan many independent parameters. To solve this problem, we proposed a method of adaptive data acquisition. The whole multidimensional domain is iteratively divided into several subdomains and inside each subdomain the sample grid is adapted to the smoothness of an unknown data function. The grid is denser where the data function is highly alternated and sparser in the opposite, smoother parts. We choose cubic splines as the basic approximation functions. The procedure takes into account the presence of noise: the iterations have more stages when the noise is weak, and hence the unknown structure is revealed with many details, limited only by the technical resolution of the instrument. However, when the noise is high, the resolution is limited due to smoothing, the degree of which depends on the intensity of noise. The proposed algorithm is transformed in simple software and is illustrated by computer simulation. Moderne physikalische Experimente liefern groβe Mengen von Informationen in digitaler Form, die abgespeichert und schnell verarbeitet werden müssen. Der Prozeβ der Datenakkumulation ist oftmals zu lang, insbesondere wenn viele unabhängige Parameter zu berücksichtigen sind. Zur Lösung dieses Problems schlagen wir eine Methode der adaptiven Datenakquisition vor. Der gesamte multidimensionale Bereich wird iterative in mehrere Unterbereiche aufgeteilt, und innerhalb jedes Bereiches wird ein Abtastraster der Glätte der unbekannten Datenfunktion angepaβT. Das Raster ist umso enger, je stärker die Datenfunktion sich ändert. Wir wählen kubische Spines als Basis für die Approximation der Funktionen. Die Prozedur berücksichtigt das überlagerte Rauschen: Die Iterationen bestehen aus mehr Stufen, wenn das Rauschen schwach ist, so daβ die unbekannte Struktur mit vielen Details herauskommt, wobei die Begrenzung nur in der technischen Auflösung des Instrumentes liegt. Wenn jedoch starkes Rauschen vorliegt, ist die Auflösung begrenzt entsprechend der Glättung, deren Grad von der Intensität des Rauschens abhängt. Der vorgeschlagene Algorithmus wird in eine einfache Software umgesetzt und durch Computer Simulation veranschaulicht. Les expérimentations physiques modernes produisent une quantité importante d'information sous forme digitale qui doit être stockée et traitrée rapidement. Le processus d'accumulation de données est souvent trop long, particulièrement lorsque l'expérimentateur doit scruter beaucoup de paramètres indépendants. Nous proposons pour résoudre ce problème une méthode d'acquisition adaptative des données. Le domaine multi-dimensionnel dans son entier est divisé itérativement en plusieurs sous-domaines et à l'intérieur de chaque sousdomaine la grille d'échantillonnage est adaptée à la régularité de la fonction inconnue décrivant les données. La grille est plus dense là où cette fonction contient beaucoup d'alternances et moins dense dans les parties plus régulières. Nous avons choisi les splines cubiques comme fonctions d'approximation de base. La procédure tient compte de la présence de bruit: les itérations sont plus nombreuses lorsque le bruit est faible, et la structure inconnue est donc représentée de manière détaillée, la limitation provenant uniquement de la résolution de l'instrument. Toutefois, lorsques le bruit est élevé, la résolution est limitée par l'adoucissment dont le degré dépend de l'intensité du bruit. L'algorithme proposé est implanté dans un logiciel simple et est illustré par des simulations sur ordinateur.